DeepSeek השיקה מודל מולטימודלי ניסיוני המרחיב את פלטפורמת V4-Flash ליכולות של ניתוח חזותי ויישומים מבוססי סוכני AI, ומציבה אותו בתחרות ישירה מול מערכות קנייניות מובילות כמו Opus 4.8 של Anthropic. המהלך מגיע על רקע מעבר גובר בתעשיית הבינה המלאכותית ממודלים המתמקדים בטקסט בלבד למערכות המסוגלות לעבד תמונות, להפעיל כלים ולפעול במסגרת תהליכי עבודה מורכבים יותר.

DeepSeek מרחיבה את V4-Flash לתחום הבינה המלאכותית המולטימודלית

המודל החדש DeepSeek-V4-Flash-Vision-Exp נועד לנתח תמונות, צילומי מסך וקלטים חזותיים אחרים, תוך שמירה על יכולות ההיגיון הטקסטואלי והפעלת הסוכנים של מודל V4-Flash שעליו הוא מבוסס. DeepSeek העמידה את המערכת הניסיונית לרשות מפתחים באמצעות API, ובכך מאפשרת לשלב יכולות הבנה חזותית בסוכני AI וביישומי תוכנה.

המשמעות אינה מסתכמת בזיהוי תמונות. סוכנים מולטימודליים יכולים לפרש מידע המוצג באופן חזותי ולשלב אותו בתהליכי היגיון רחבים יותר או בתהליכי עבודה הכוללים שימוש בכלים. יכולת זו הופכת חשובה יותר ויותר ביישומים הכוללים ממשקי תוכנה, תיעוד טכני, תרשימים, נתונים חזותיים ואינטראקציה אוטומטית עם מחשבים.

המבחנים הראשוניים מציבים את המודל קרוב ל-Opus 4.8

תוצאות המבחנים הראשוניות של DeepSeek מצביעות על ביצועים תחרותיים של המודל החדש מול Opus 4.8 של Anthropic במבחנים נבחרים לסוכני AI מולטימודליים. בארבעה מבחנים, V4-Flash-Vision-Exp קיבל 27.3 נקודות לעומת 25.7 ל-Opus 4.8 במבחן Agents’ Last Exam, ו-35.0 לעומת 34.0 ב-ZeroBench. המודל של Anthropic נותר מוביל ב-ApexBench, עם 39.4 לעומת 36.5, וב-Chartography, עם 65.0 לעומת 64.3. התוצאה הכוללת הייתה אפוא שני ניצחונות לכל מודל, ולא יתרון ביצועים חד-משמעי לאחד מהם.

ההשוואה ממחישה גם את ההשפעה של הוספת יכולות חזותיות. ב-ApexBench עלה הציון מ-26.2 במודל V4-Flash-0731, שהתמקד בטקסט, ל-36.5 בגרסה הכוללת יכולות ראייה. ב-Agents’ Last Exam עלה הציון מ-25.2 ל-27.3. מאחר שהמבחנים כוללים קלטים מולטימודליים שהמודל המבוסס על טקסט בלבד אינו מסוגל לעבד ישירות, השיפור מדגים בעיקר את הערך שבהוספת יכולות ראייה ולא שיפור פתאומי ביכולות ההיגיון הטקסטואלי הבסיסיות.

ההשקה משנה את מאזן התחרות בשוק הבינה המלאכותית

ההשקה משקפת שינוי תחרותי רחב יותר בתעשיית הבינה המלאכותית. מפתחי מודלים מתחרים כיום לא רק על איכות יצירת הטקסט, אלא גם על יכולות סוכנים, היגיון מולטימודלי וכלכלת השימוש והפריסה. המשך הרחבת משפחת V4 של DeepSeek מעניק למפתחים חלופה נוספת למערכות קנייניות של חברות בינה מלאכותית אמריקאיות, ועשוי להגביר את הלחץ על ספקיות מבוססות לשפר ביצועים, תמחור ונגישות.

עבור חברות טכנולוגיה ומשתמשים ארגוניים, השאלה האסטרטגית עוברת יותר ויותר מיכולת לייצר טקסט איכותי ליכולת לבצע באופן אמין תהליך עבודה שלם. מודל המסוגל לפרש מידע חזותי ולפעול באמצעות כלים עשוי לתמוך באוטומציה מורכבת יותר, ולהרחיב את היישומים המסחריים של בינה מלאכותית יוצרת בתחומי התוכנה, השירותים הפיננסיים, המחקר והתפעול הארגוני.

עם זאת, יש לפרש את ההשוואה במבחנים בזהירות. התוצאות המדווחות מבוססות על מתודולוגיית הבדיקה של DeepSeek ולא על הערכה בלתי תלויה, והביצועים עשויים להשתנות בהתאם לתצורת המבחן, להגדרות ההסקה ולמסגרת הסוכנים שבה נעשה שימוש. העובדה שמדובר במודל ניסיוני משמעה גם שהאמינות בסביבת ייצור והביצועים הרחבים בעולם האמיתי עדיין טעונים בחינה.

בהמשך, תשומת הלב תופנה ככל הנראה לתוצאות של מבחנים בלתי תלויים, לאימוץ ה-API ולביצועי המודל בתהליכי עבודה מולטימודליים בעולם האמיתי. אם DeepSeek תצליח לשמור על ביצועים תחרותיים של סוכני AI במקביל להרחבת הגישה למפתחים, ההשקה עשויה להגביר עוד יותר את התחרות בשוק המודלים הגלובלי ולהאיץ את המעבר בתעשייה למערכות בינה מלאכותית מולטימודליות המסוגלות להשתמש בכלים.